包 org.opencv.face

类 MACE

  • public class MACE
extends Algorithm
    最小平均相关能量滤波器，用于使用（可取消的）生物特征进行身份验证。（不需要许多正样本进行训练（10-50），根本不需要负样本，并且对噪声/加盐具有鲁棒性）另见：CITE: Savvides04 此实现主要基于：https://code.google.com/archive/p/pam-face-authentication (GSOC 2009) 使用方法如下： Ptr<face::MACE> mace = face::MACE::create(64); vector<Mat> pos_images = ... mace->train(pos_images); Mat query = ... bool same = mace->same(query); 您也可以使用双因素身份验证，以及额外的密码： String owners_passphrase = "ilikehotdogs"; Ptr<face::MACE> mace = face::MACE::create(64); mace->salt(owners_passphrase); vector<Mat> pos_images = ... mace->train(pos_images); // 现在，用户必须提供有效的密码和图像：Mat query = ... cout << "enter passphrase: "; string pass; getline(cin, pass); mace->salt(pass); bool same = mace->same(query); 保存/加载您的模型： Ptr<face::MACE> mace = face::MACE::create(64); mace->train(pos_images); mace->save("my_mace.xml"); // 稍后：Ptr<MACE> reloaded = MACE::load("my_mace.xml"); reloaded->same(some_image);

    • 构造函数摘要

      构造函数 
      修饰符 构造函数 描述
      protected MACE​(long addr)  

    • 方法摘要

      所有方法 静态方法 实例方法 具体方法 
      修饰符和类型 方法 描述
      static MACE __fromPtr__​(long addr)  
      static MACE 创建()
      构造函数
      static MACE create​(int IMGSIZE)
      构造函数
      protected void finalize()  
      static MACE load​(java.lang.String filename)
      构造函数
      static MACE load​(java.lang.String filename, java.lang.String objname)
      构造函数
      void salt​(java.lang.String passphrase)
      可选地使用随机卷积加密图像
      boolean same​(Mat query)
      将查询图像与最小类值阈值相关联
      void train​(java.util.List<Mat> images)
      用正特征对其进行训练，计算MACE滤波器：h = D(-1) * X * (X(+) * D(-1) * X)(-1) * C 也计算此类的最小阈值，即训练图像中最小的自相似性

      • 继承自类 java.lang.Object的方法

        clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

    • 构造函数详情

      • MACE

        protected MACE​(long addr)

    • 方法详情

      • __fromPtr__

        public static MACE __fromPtr__​(long addr)

      • salt

        public void salt​(java.lang.String passphrase)
        可选地使用随机卷积加密图像
        参数
        passphrase - 将由此生成一个 crc64 随机种子

      • train

        public void train​(java.util.List<Mat> images)
        用正特征对其进行训练，计算MACE滤波器：h = D(-1) * X * (X(+) * D(-1) * X)(-1) * C 也计算此类的最小阈值，即训练图像中最小的自相似性
        参数
        images - 包含训练图像的 vector<Mat>

      • same

        public boolean same​(Mat query)
        将查询图像与最小类值阈值相关联
        参数
        query - 包含查询图像的 Mat
        返回
        自动生成

      • load

        public static MACE load​(java.lang.String filename,
                        java.lang.String objname)
        构造函数
        参数
        filename - 从预序列化的 FileStorage 构建新的 MACE 实例
        objname - （可选）FileStorage 中的顶级节点
        返回
        自动生成

      • load

        public static MACE load​(java.lang.String filename)
        构造函数
        参数
        filename - 从预序列化的 FileStorage 构建新的 MACE 实例
        返回
        自动生成

      • 创建

        public static MACE create​(int IMGSIZE)
        构造函数
        参数
        IMGSIZE - 图像将调整为此大小（应为偶数）
        返回
        自动生成

      • 创建

        public static MACE create()
        构造函数
        返回
        自动生成

      • finalize

        protected void finalize()
                 throws java.lang.Throwable
        覆盖
        finalize 在类 Algorithm中
        抛出
        java.lang.Throwable